SPC统计制程品管.doc
SPC-统计过程控制介绍
4
SPC常用术语解释
名称 平均值 （X） 一组测量值的均值 一个子组、样本或总体中最大与最小值之差 用于代表标准差的希腊字母 过程输出的分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的 量度，用希腊字母σ或字母s（用于样本标准差）表示。 造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中， 它表现为随机过程变差的一部分。 一种间断性的，不可预计的，不稳定的变差根源。有时被称为可查明原因，它 存在的信号是：存在超过控制限的点或存在在控制限之内的链或其它非随机性 的图形。 解释
6
福特(Ford)马自达(Mazda)案例
Mazda
Ford
7
生产检验与控制的演化
最终产品检验 公差控制： 过程控制： 规范控制（Specification Control） 统计控制 （Statistical Control）
8
质量管理的基本原則
INPUT
PROCESS
OUTPUT
针对过程的重要控制 参数和原材料所做的 才是SPC 原料 PROCESS 測量 結果
针对产品所做的 仍只是在做SQC
12
预防或容忍?
人
机 法
环 测量 测量
好 結果
原料
PROCESS
不好
不要等产品做出来后再去看它好不好 而是在制造的时候就要把它制造好
13
SPC的作用
确保制程持续稳定、可预测。 提高产品质量、生产能力、降低成本。 为制程分析提供依据。 区分变差的特殊原因和普通原因，作为采取局部措施或对系 统采取措施的指南。
UCL CL LCL
3 σ 3 σ
33
控制图的使用
控制图的判读 使用控制图注意事项
spc(过程质量控制)
X C B
LCL A
产生的原因:类似与（d),分布的X的μ在变化。
36
（f）连续15点在C区中心线上下；
UCL A B C
X C B
LCL A
产生的原因:数据虚假或数据分层不够。
37
（g）连续8点在中心线两侧,但无一点在C区；
UCL A B C
X C B
LCL A
产生的原因:数据分层不够。
9
背景与概念：
为了保证预防原则的实现,20世纪20年代美国 贝尔电话实验室成立了两个研究质量的课题组, 一 为 过 程 控 制 组 , 学 术 领 导 人 为 休 哈 特 (Walter A.Shewhart);另一为产品控制组,学术领导人为 道奇(Harold F.Dodge)。其后，休哈特提出了过 程 控 制 理 论 以 及 控 制 过 程 的 具 体 工 具 ——— 控 制图（control chart),现今统称为SPC。
过程的状态有4种，用下表分类：
分类
可接受
受控
1
不受控
3
不可接受 2 4
1. 受控可接受：制程符合要求（规格），且在制 状态。
22
2．受控不可接受： 虽在管制状态，但由于变异太大， 无法符合要求（稳定的生产，但不合格品率一直处在高水 平）。必须降低偶因之变异，如工艺的设计缺陷，设备的 先天不足。
3．不受控可接受：符合要求，但不在控制状态。必须 找出异因，着手改善。
2
软件、引用标准/规章、批准的适用过程、 人员、以及相关的辅助材料、公用设施 和环境条件等进行适宜的控制”。同时， 还指出“使用控制图、统计抽样程序和 方案等都是应用统计进行过程控制的有 效方法”，并要求“具有足够的过程能 力”。关于过程控制的总则特别强调 “产品寿命周期的各个阶段均应强调产 品质量”。并提出应在“物资控制、可 追溯性、标识、设备控制和维护、过程 控制管理”等方面实施。
SPC统计过程控制程序
5.3.6应意识到并不是所有的特殊原因都是有害的，有些特殊原因可以对制造改进起到积极作用。应对这些特殊原因进行评定。
5.2现行过程能力的研究:
5.2.1当制造件正式批准后，进行批量制造的第二个月开始，横向协调小组成员进行现行过程能力的研究；
5.2.2在稳定的制造过程中发生重要的过程事件时，应在过程控制图表上加以记录，如：更改工装、机器维修、原材料批号更改、工艺参数的调整、操作人员的更换等；
5.2.3在以下情况必须重新进行过程能力的研究：
6.相关文件:
6.1《统计过程控制（SPC）》参考手册;
6.2《纠正预防措施控制程序》;
7.质量记录:
7.1《控制图》;
8.流程图:
无
5.3.4控制图判异准则：控制图中出现以下情况时可以判定异常：
a)有超出控制限的点；
b)有7点以上连续在中心线的同侧；
c)有7点以上连续在控制限第3区间附近；
d)有7点以上连续上升或下降；有明显的非随机图形，主要包括：有周期性、分布宽度异常、明显的上升或下降趋势、子组内数据间有相关性等。
5.3.5异常处理:
a)控制计划中的特殊特性发生了变化；
b)控制图出现了异常（除偶然原因外，发生趋势性的变化）；
c)设备重大维修之后，应做CMK（设备过程能力指数）检测。
5.3计量型数据控制图:
5.3.1控制图数据采集:
a)抽样时尽量保证子组中为连续抽样，并分不同模号进行统计。本公司选定子组大小初始研究时为5，之后可以适当减少；
统计制程品管(SPC)
制程管制的概念
制程管制所包括的范圉应为制程中之各种事务，其 主要者有三：一为质量、一为产量、一为成本。但 目前强调以质量为中心的管理，因此整个企业界的 制程管制就以制程品管为主。
在工作进行过程中，掌握影响品质的有关因素加以 管制，使结果在管制状态谓之。 管制≠检查，品质是于制造过程中形成的，若制程 能力不足，无法做好品质保证。
● 当找出造成制程不稳定之原因后，我们必 须规划一些改善的措施，使得相同之问题不再 发生。回馈管制系统之最后一个步骤是依据规 划之改善措施，调整制程之可控制因素。上述 步骤需重复进行，以持续改善制程。统计制程 管制牵涉到产品和制程之控制，但其重点是在 质量数据之分析，只有在质量数据显示制程不 稳定时，我们才考虑调整制程之参数。
●管制界限通常设在当制程为管制状态 时，几乎所有点都可落在管制界限内。只 要点都在管制界限内，则制程可视为在统
计管制内，对制程不须采取任何行动。但
只要一点在管制界限外，则代表制程有变
异，此时我们必须找出造成此种变立包含下列步骤:
(1).选择质量特性 (2).决定管制图之种类 (3).决定样本大小、抽样频率和抽样方式 (4).收集数据
成品装配
1.报废 2.返工 3.让步出货 品质判定
NO
◇
YES
完工抽样 1.检验规范 2.检验量具 3.抽样计划
入库或出货
SPC概念
1.概论
●
一个产品如果以它对顾客的符合度做为评断
的标准，则它必须是由一个稳定而可重复运作 的制程所生产的，亦即制程必须具有在生产目 标值的些微变动内的生产能力。统计制程管制 (statistical process control， SPC)乃是一 些使制程稳定和经由降低变异性以改善制程能 力的强力工具的集合。
统计过程控制(SPC)
(3) 偏态型
偏态型：不是正态分布，不服从统计规律，可能的原因是：
1）习惯作业造成作业方法不对。 2）工具、夹具、模具已经磨损或松动。
(4) 离岛型 离岛型：不是正态分布，不服从统计规律，可能的原因是: 1）数据输入人员在输入的过程中，可能把10.01输 10.10或1.01。 2）过程中其他物料混入。 3）机台设备在过程中出现特殊原因，产生了变异。
直方图（频数分布图）的制作步骤
收集同一类型的数据； 计算极差（全距）； 设定组数，计算组距、组界、中心值； 制作频数表； 按频数值比例画横坐标、纵坐标； 按纵坐标画出每个矩形的角度，代表落在 此矩形中的点数； 判续直方图（对过程状态分析）。
直方图举例 为考核某齿轮尺寸的质量水平， 随机在一批产品中抽样测得数据 100个，此产品规格为： 24.5±6.0mm。
1、SPC简介
统计过程控制的英文全名为: Statistical Process Conrtol 缩写为SPC。
美国贝尔试验室的休哈特博士在二十世纪二十年代研究过 程时，首先区分了可控制和不可控制的变差，这就是今天 我们所说的普通原因变差和特殊原因变差； 聪明的休哈特发明了一个简单有力的工具来区分他们—— 控制图； 从那时起，在美国和其他国家，尤其是日本，成功地把控 制图应用于各种过程控制场合，经验表明当出现特殊原因 变差时，控制图能有效地引起人们注意，以便及时地寻找 采取措施。
2、直方图
直方图是针对某产品或过程的特性值，利用常态分布（也 叫正态分布）的原理，把50个以上的数据进行分组，并 算出每组出现的次数，再用类似的直方图形描绘在横轴上。 通过直方图，可将杂乱无章数据，解析出规则性，也可以 一目了然地看出数据的中心值及数据的分布情形。 在制造业，现场的管理干部经常都要面对许多数据，这些 数据大多来自制造加工过程的抽样测量得到，对于这些凌 乱的数据，如果制作成直方图，并借助对直方图的观察， 可以了解产品质量分布的规律，知道其是否变异，并进一 步分析判断整个生产过程是否正常，问题点在哪里，为研 究过程能力提供依据。
品管知识参考内容
品管知识参考内容：1.SPC的英文全称是STATISTICAL PROCESS CONTROL，中文含义是：统计制程管制。
2.品管七大手法是指鱼骨图、柏拉图、直方图、散布图、管制图、查检表、层别法。
3.7S指的是整理、整顿、清扫、清洁、素养、安全、节约。
4.公司四大管制系统分别为工管、品管、生管、经管。
5.管制图中R是指一组数据中最大与最小值之差，CL代表的是管制中心线，LCL代表的是管制下限。
6.特性要因图按作用分有原因追求型和对策追求型。
7.ISO是指：国际标准化组织：成立时间：1946年，总部在瑞士内瓦，主要工作：制订各类国际标准。
ISO9000修订周期为五年。
8.全面质量(TQC)指：TOTAL CONTROL。
9.PDCA是指：P：PLAN(计划)，D：DO(执行)，C：ACTION(行动)﹔5W1H是指WHO WHEN WHERE WHAT WHY HOW TO DO10.鸿海集团质量系统=流程+窗体11.误差是实际没的值和被测量的真值之间的差。
12.现场管理五大任务分别为：质量、成本、生产量、安全、士气。
13.从测量条件分析，产生的测量误差有：温度误差、测量误差、标准件误差、读数误差。
14.全面品管的三个基本要求是：顾客为先、持续不断的改善、全员参与。
15.管制图依据数据特性来分类，分为：计量值管制图、计数值管制图。
16.检验规范内容包括抽样计划、检验方法、检验规格、检验设备、检验表格、判定标准。
17.质量系统是在质量方面指挥和控制组织的管理系统。
18.质量是一组固有特性满足要求的程度。
19.POP文件的中文意思是包装作业规范。
20.ISO9000：2000版八大管理原则是：以顾客为关注焦点，领导作用，全员参与，过程方法，管理的系统方法，持续改进，基于事实的决策方法，与供方互利的关系。
21.ISO9000：2000版要求必须建立的程序文件是：文件管制、记绿管制、内部稽核、不合格品管制，矫正措施、预防措施。
spc品管手法
spc品管手法
spc品管手法是一种现代管理理念，旨在通过定期收集、记录、分析生产过程
中的统计数据来追踪系统的稳定性和改善运行的可靠性。
它的历史可以追溯到
19,20世纪30年代，主要用于追踪生产环境及生产物品中小尺寸变化的发生频率。
spc品管手法是通过检测和观察各种特征尺寸、数量特性、功能或其他量度，
以改进产品的质量。
它能够增强管理者对生产过程的理解，发现工艺及目标中的危险，分析产生的原因，改善过程，减少质量异常，加快制造速度，提高生产率和改善市场竞争力。
spc品管手法的全称为“统计过程控制”，它的基本理念是通过全面检测和观察，不仅提高管理者对生产过程的精确掌握，而且能够发现过程中的异常现象，并采取有效措施拯救质量问题，从而达到保证产品持续可靠性、降低低质量成本的目标。
spc品管手法通过统计过程控制技术，对原材料的质量和生产标准进行精准检测，追踪可能引起不合格品的过程参数，以此来确保产品以最佳质量状态给出消费者。
它为企业建立“0”缺陷提供了可能，有效地提高了企业的竞争力。
因此，spc品管手法为企业带来了许多好处。
它不仅能够改善系统性能，还可
以提高质量、提供及时响应、降低变通成本等。
正是由于其出色的表现，spc品管
手法已成为当今企业质量管理的重要手段之一。
SPC统计制程控制(综合简介)
例:量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、
3.46 、 3.45、 3.42请问其标准差为何？
(sigma=0.013)
全距(Range) 样本的最大值减去最小值的差R.
SPC概念--普通原因与特殊原因
SPC概念
SPC能解决的问题
经济性：有1 效的抽样管制，不用全数检验.使制程稳定，
能掌握品质、成本与交期. 预警性：制程的异常趋势可实时对策，预防整批不良，
以减少浪费. 分辨特殊原因：作为局部问题对策或管理阶层系统改
进之参考. 善用机器设备：估计机器能力，可妥善安排适当机器
SPC特点強調預防，防患於未然是SPC的宗旨
SPC概念--普通原因与特殊原因
异常原因
普通原因
系统中之因素 种类多随时存在
影响力较小 不易消除
机器老化 机器震动 环境不良(Particle) 设计不良
特殊原因 系统外之因素 种类少偶尔发生 影响力较大 可经济地消除
机器故障 来料异常 人员疲劳 错误操作方法
A: 1.33≦ Cp
B: 1.00≦ Cp＜ 1.33
C: 0.83≦ Cp＜ 1.00
D:
Cp＜ 0.83
=>Cp值越大越好,表示制程佳
A:此制程甚为稳定,可将规格公差缩小或胜任更精密之工作 B:有发生不良率偏高之危险,须加以注意并努力维持不再变坏 C:检讨所订规格及作业标准,可能本制程无法胜任如此精密之工作 D:应采取紧急措施,全面检讨可能影响之因素,必要时需停线
例:
量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、3.46 、 3.45、 3.42、 3.44、 3.43、 3.41，请问其平均值为何？
SPC讲义
不能预料 不到的情况发生
26
异常状态(特殊原因变差(組間))（异常原因：可以避免） 重要的变动 Production??? 不稳定的 管理之外的状态 不可以预测的 异常原因 发生
不能预料的情况的发生
27
CPk：制程能力指标 (process capability index)
散布问题
LSP
平均
USP
LSP
平均
USP24
普通原因变差(組內)的曲线图：
目标值线 预测 时间
范围
使操作者规范化
目标值线
特殊原因变差(組間)的曲线图：
预测
时间 范围 25
管理状态与异常状态 ①管理状态(普通原因变差(組內))（偶然原因：不可 避免） 稳定的 管理状态 可以预测的 Only 偶然原因
3
数据中之统计参数(μ， σ)
正态分配 σ S 估计
=N (μ， σ2)
=N( X，S2)
x
N(批量) (μ， σ) 估计
1 N μ Σ X Ni 1 i
抽样 ( x1 , x2 , x3...xn )
n(样本) ( X，S)
1 n X Σ Xi i n 1
S
2 1 n Σ(Xi X) i n 1 1
USP
1 n ( xi x ) 2 n 1 i 1
-6
-4
-2
x 0
2
4
6
28
PP U P L
案例：CPK (用于制程的数据) 执行汽车活塞环之管制项目，下表显示8组样本数据，样本大小n=5。试计算 制程能力与估计制程不良率（若USP=4.03，LSP=3.95）
SPC管理规定
SPC管理规定1.目的建立统计过程（SPC）体系，明确各管控工序SPC数据采集频率、样本、格式和责任人，并规范其职责，持续对影响产品质量的制程关键、重要特性进行识别、监控和控制，以确保产品质量的一致性和稳定性。
2.适用范围本规范适用于公司所有产品。
3.定义3.2SPC项目小组：由品质、工艺、设备、生产组成，对SPC项目推行、监控、审核的团队。
4.职责4.1各部职责：4.1.1工艺部（1）工艺技术员：依据工序作业指导书要求，完成项目测试并将测试数据录入在SPC报表，并初步对数据进行自检，确认有无异常。
（2）工艺工程师：SPC报表数据进行确认，并将对应的SPC报表发给对应的SPC窗口负责人，提供SPC工艺窗口（如：规格值的修订），对统计过程中的异常进行分析和改善。
4.1.2品管部（1）IPQA监造：依据作业指导要求，完成项目测试并将测试数据记录key入电子档报表，并将确认OK的SPC报表以邮件形式发给对应的SPC窗口负责人，发现异常时，及时上报品质主管及对应的车间团队人员，必要时开出品质异常单，邮件通知到对应人员。
（2）品质主管：监督车间SPC管控执行情况并进行审核，对制程拉力SPC电子档报表数据进行确认，发现异常，组织对应车间团队进行排查异常原因，并制定对应的改善措施，并追踪对策的落实。
（3）实验室测试员：依据各工序作业指导要求，定时定量的对产品进行抽样测试，并将测试数据录入SPC电子档报表，并对数据进行自检，发现异常时，及时上报主管及对应的车间团队人员，每日负责将对应的SPC报表邮件发送至对应的SPC窗口负责人。
（4）各基地的品质SPC工程师：对本基地的SPC数据做最终的确认，并将对应的SPC数据每日上传至云盘，发现异常时及时通知对应的车间团队排查，并追踪其改善效果，定期更新控制线规格，组织召开SPC阶段性总结会议。
4.1.1 设备部：对统计过程中发现的设备异常进行分析和改善。
4.1.2 生产部：（1）操作员：依据工序作业指导要求，定时定量的记录数据并完成SPC纸档报表，异常情况及时反馈班长；（2）生产班长：对记录表数据进行确认，对操作员方法进行判定（确保数据的正确性），异常及时反馈上级领导及工艺工程师，将SPC数据及时录入电子档。
统计制程管制(SPC)计划
什么叫SPC?SPC是英文 Statistical Process Control的縮寫﹐意為統計制程管制。
推行SPC的目的是什么﹖推行SPC的目的是﹕通過制程改善﹐將制程提升至最佳﹑穩定的狀態﹐在此前提下﹐按照一定的規律隨機地收集一組數據﹔根據穩定制程定義之具體管制圖﹐作出管制圖﹔以后再將收集之樣本數據描於管制圖上﹐所描點的走向反應了制程穩定或偏移的情況﹐以便及時地控制制程。
SPC能解決的制程問題﹕●經濟性﹕有效的抽樣管制﹐不用全檢﹐預估不良率﹐得以控制成本。
使制程穩定﹐生產可以預測﹐從而能夠掌握品質﹑成本﹑交期。
●預警性/時效性﹕制程的異常趨勢可即時對策﹐預防整批不良﹐以減少浪費。
●分辨共同原因與特殊原因﹕作為局部問題對策或管理階層的系統改進之參考。
●善用機器設備﹕估計機器能力﹐可妥善安排適當機器生產適當零件。
Page 1 of 30改善的評估﹕制程能力可作為改善前后比較之簡單指標﹐作為制程檢討的共同語言。
品質變異﹕共同原因及特殊原因共同原因﹕制程中的變異因素是在統計的管制狀態下﹐其產品之特性有共同的分配Page 2 of 30特殊原因﹕制程中變異因素不在統計的管制狀態下﹐其產品之特性沒有固定的分配管制圖的原理﹕(由于我們將用到P 管制圖﹐這里就以P 管制圖為例說明) 假定我們現在的制程處於穩定狀態﹐當我們多次抽樣采集其不良率時﹐其不良根據不良率數據計算其標准差﹐當不良率數分配在正負三倍標准差范圍內時﹐我們認為制程較為理想﹐于是將上圖順時針轉90度後﹐則成下面的形狀: —上管制限不良率分配次數不良率准差准差准差准差准差准差LCL—下管制限當不良率高或低於管制界限時﹐我們都認為制程出現了異常統計制程管制之系統架構及流程統計制程管制之系統流程X-R 管制圖X-S 管制圖X-Rm 管制圖散布圖yesQC七手法之特性要因圖Page 6 of 30Page 7 of 30集中相關人員﹐采用腦力激蕩法﹐從4M1E 眷手﹐將可能的問題全部羅立出來﹐圈畫出重點原因﹐制定改善對策﹐並確定對策擔當者及改善日期。
统计制程管理-SPC於SPI应用 共20页
|Ca| = k =
| (USL+LSL)/2 – μ | (USL-LSL)/2
銓智科技有限公司
製程綜合能力指數(Cpk)
表示製程精確度與能力特性的一致性程度， 值越大管理越佳，越小越差(沒有負值)
顧名為製程精確度綜合能力指數,其公式定 義如下:
Cpk =(1-K) X Cp Or MIN { CPU, CPL }
銓智科技有限公司
管制特性(手法)分類
管制圖分為計量值與計數值兩大類，其中 每一類又各有四種方法可運用
如今以預防的眼光來看，並不建議使用計 數值管制圖
計量值管制圖卻不同，它們不但可以幫助 我們在發現管制圖異常時及時實施製程管 制，也可以在製程能力不足時採取製程改 善行動，以防止不良品的產出
○ 計算簡單 ○ 適用於破壞性、溶
劑比重檢驗或量測 不易等之製品
製程推定比 X-R Chart差 計算繁瑣
抽樣數少，最不 能推定製程
銓智科技有限公司
常用計“數”值管制圖
種類 名稱
優點
缺點
不良率管制 ○檢查數不同時採用
管制界限計算繁瑣，且每點皆
p Chart 圖
○可直接檢視不良率趨勢 須計算。
不良數管制 ○檢查數相同時採用
銓智科技有限公司
Cpk如何判定優劣?
銓智科技有限公司
為何我們需要SPC?
經濟學家”梭羅”曾經說過： 『要弄清楚一件事情，是要花時間和
金錢的。』 無法找到對的、有效的、並落實持
續改善的精神.
銓智科技有限公司
SPC對你們的改變?
宣告 …… “經驗”掛帥時代的結束
代表「品質公共認證時代」的來臨 最重要的還是養成“持續不斷改善
质量管理五大工具(TS)
质量管理五大工具质量管理五大工具，也称品管五大工具。
包括：1.统计过程控制（SPC，Statistical Process Control）；2.测量系统分析（MSA，Measure System Analyse）；3.失效模式和效果分析（FMEA，Failure Mode & Effect Analyse）；4.产品质量先期策划（APQP，Advanced Product Quality Planning）；5.生产件批准程序（PPAP，Production Part Approval Process）。
总体介绍质量管理五大工具，也称品管五大工具。
包括：1.统计过程控制（SPC，Statistical Process Control）；2.测量系统分析（MSA，Measure System Analyse）；3.失效模式和效果分析（FMEA，Failure Mode & Effect Analyse）；4.产品质量先期策划（APQP，Advanced Product Quality Planning）；5.生产件批准程序（PPAP，Production Part Approval Process）。
SPC概念SPC是一种制造控制方法，是将制造中的控制项目，依其特性所收集的数据，通过过程能力的分析与过程标准化，发掘过程中的异常，并立即采取改善措施，使过程恢复正常的方法。
利用统计的方法来监控制程的状态，确定生产过程在管制的状态下，以降低产品品质的变异SPC能解决之问题1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
5.改善的评估：制程能力可作为改善前後比较之指标。
统计过程控制spc标准
统计过程控制spc标准统计过程控制（SPC）是一种通过统计方法来监控和控制过程稳定性和一致性的质量管理工具。
它是一种基于数据和事实的管理方法，可以帮助企业实现质量的持续改进，提高产品和服务的稳定性和一致性，降低成本和提高效率。
本文将对统计过程控制（SPC）标准进行详细介绍，包括其定义、原理、应用、优势和实施步骤等内容。
首先，统计过程控制（SPC）是一种基于统计方法的质量管理工具，它通过收集和分析过程中产生的数据，来监控过程的稳定性和一致性。
SPC的核心理念是“了解过程，控制变异”，通过对过程中的变异进行监控和分析，找出引起变异的原因，并采取措施进行改进，从而实现过程的稳定和一致。
其次，统计过程控制（SPC）的应用范围非常广泛，几乎可以应用于任何一个需要稳定和一致性的过程。
它在制造业、服务业、医疗保健、金融业等领域都有着重要的应用价值。
例如，在制造业中，SPC可以用来监控生产过程中的关键参数，及时发现生产异常并进行调整，确保产品质量的稳定和一致。
在服务业中，SPC可以用来监控服务过程中的关键指标，提高服务质量和客户满意度。
此外，统计过程控制（SPC）的优势也非常明显。
首先，它可以帮助企业实现质量的持续改进，通过对过程中的变异进行分析，找出问题的根本原因，并采取措施进行改进，从而不断提高产品和服务的质量。
其次，它可以降低成本和提高效率，通过对过程中的变异进行监控和分析，及时发现问题并进行调整，避免资源的浪费，提高生产效率。
最后，实施统计过程控制（SPC）需要按照一定的步骤进行。
首先，确定需要监控的关键参数和指标，建立数据采集和分析的系统。
其次，收集和分析过程中产生的数据，找出过程中的变异和问题。
然后，找出问题的根本原因，并采取措施进行改进。
最后，持续监控和分析过程中的数据，确保过程的稳定和一致。
综上所述，统计过程控制（SPC）是一种非常重要的质量管理工具，它可以帮助企业实现质量的持续改进，降低成本和提高效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
STATISTICAL PROCESS CONTROL (SPC)(统计制程管制)一、管制图之选用不同单位之品质比较，使用Cv（变异系数）=S/X（或同一单位，但不同品质特性质）以管制图进行制程能力分析一组数据之变化情形，除了可以用图形法来表示外，数量化之描述亦以提供有用之情报。
数据之量化表示有很多种，常用的有平均数（mean ）、中位数（median ）、众数（mode ）、变异数（variance ）、标准差（standard deviation ）。
1. 平均数假设X1，X2，…，Xn 为样本中之观测值，样本数据之集中趋势可由样本平均数来衡量，样本平均数定义为nXinXn X X X ni ∑==+⋅⋅⋅++=1212. 变异数变异数是用来衡量数据之散布情形。
样本变异数S 2为S 2=1)(1)(211212--=--∑∑∑=-=n nXi Xn X Xi ni ni ini1．不良率管制图（p chart ）CLp=∑∑=n d p UCLp=n p p p )1(3-+ LCLp=np p p )1(3--2. 不良数管制图(pn chart) CLpn=kd d p n ∑==UCLpn=)1(3p p n p n -+ LCLpn=)1(3p p n p n -- (σpn=)1(p p n -)3．缺点数管制图（c chart ），样本大小相同 CLc=C kC =∑UCLc=C C 3+ LCLc=C C 3-4．单位缺点数（u chart ），样本大小不相同 CLu=∑∑=nC uUCLu=n u u 3+ LCLu=nu u 3-R X -管制图X -S 管制界限公式R X -~管制图X-Rm 管制图X 管制图m R 管制图X CLx =m R CLnm =m R d X UCLx 23+= m R D UCLnm 4=m R d X LCLx 23-=m R D LCLnm 3=管制图之选定原则管制图之比较管制图之绘制流程（步骤）1．检定规则一：有单独一个点子，出现在三个标准差区域之外者。
（有一点落在管制界限之外者）。
如图22。
2．检定规则二：连续三点之中有两点落在A 区或甚至于A 区以外者。
（在中心线之同侧三个连续点中有两点出现在两个标准差之外者）。
如图23。
3．检定规则三：连续五点之中有四点落在B 区或甚至于以外者。
（在中心线同侧，五个连续点中有四个点超出一个标准差者）。
如图24。
UCL CL图22 UCL CL+3σ +2σ+1σ图23UCLCL图244．检定规则四：连续有八点落在C 区或甚至于在C 区以处者。
（八个连续点子落在C 区或其中连续七点出现在中心线之同一侧者）。
5．检定规则五：连续几点同一方向时：（如下图）（1）连续五点继续上升（或下降）——注意以后动态。
（如图26a ） （2）连续六点继续上升（或下降）——开始调查原因。
（如图26b ） （3）连续七点继续上升（或下降）——必有原因，应立即采取措施。
（如图26c ）UCL CL图26a 图26b 图26c不合格率管制图(P 管制图)〔例〕考虑某一生产铝箔包之机器，此机器系以三班制连续生产，其考虑之品质特性为铝箔包之缝合是否良好。
为了设立管制图，30组大小为n=50之样本从三班以半小时之间隔收集，其数据显示在表5-1。
从这些数据可建立一试用管制图，由于30组样本共包含347301=∑=i Di 个不合格品，因此p =mnDimi ∑=1=5030347⨯=0.2313利用p 当做是制程不合格率之估计值，可得管制界限为n p p p )1(3-±=0.231350)7687.0(2313.03±=0.2313±0.1789 亦即上管制界限=0.4102 下管制界限=0.0524表5-1 试用管制界限数据, n=50样本 不合格品数 不合格率 样本 不合格品数 不合格率1 8 0.16 16 8 0.162 12 0.24 17 8 0.163 8 0.16 18 6 0.124 10 0.2 19 13 0.2656 0.12 20 10 0.2 67 0.14 21 20 0.4 7 16 0.32 22 18 0.36 89 0.18 23 25 0.5 9 14 0.28 24 15 0.3 10 10 0.2 25 9 0.18 11 7 0.14 26 12 0.24 12 6 0.12 27 7 0.14 13 22 0.44 28 14 0.28 14 12 0.24 29 9 0.18 15 18 0.36 30 8 0.16 不合格品数总和=347，p =0.2313机器调整后之数据，n=50样本不合格品数不合格率样本不合格品数不合格率3180.164330.063260.124460.1233110.224570.143450.104640.083560.124780.163640.084850.103760.124960.123840.085070.143970.145140.084060.125260.124130.065340.084240.085450.10不合格品数总和=135，p=0.1125机器调整后之管制图检定：P 1=0.2143，α=0.05 P 2=0.1125Ho ：P1-P2=0 H1：P1-P2>0 Z=)2111)(ˆ1(ˆ)21(21n n P PP P P P +----50245028135300ˆ⨯+⨯+=p=0.1673所以Z=)5024150281)(1673.01(1673.001125.02143.0⨯+⨯-⨯--=6.933Z=6.933>Z α=1.645，故accept H1，显示不合格率经调校后已有显著改善。
由于改善成功，可以利用(样本31#~54#)之数据重新计算管制界限。
Cp=03.11341.01375.050)112.01(1125.03112.025.0)1(3max ==--=--nP p P PP =0.1125UCL=2466.050)1(3=-+P P PLCL=0216.050)1(3-=--P P P (设为零)新的不合格率数据，n=50样本不合格品数不合格率样本不合格品数不合格率5570.147560.12 5680.167680.16 5750.1077110.22 5860.127890.18 5940.087970.14 6050.108040.08 6120.048150.10 6230.068220.04 6340.088310.02 6460.128430.06 6570.148550.10 6650.108640.08 6750.108770.14 6830.068850.10 6970.148940.08 7090.189030.06 7160.129160.12 72100.209270.14 7330.069350.10 7440.089470.14P管制图之新管制界限P管制图平均值：0.1125标准差：0.0447样本大小：50管制图之继续使用不合格点数管制图(C 管制图)〔例〕假设表5-7之数据为25组样本大小为100部电脑之连续样本。
试建立管制图。
表5-7 检查100片PCB 板所发现之不合格点数 样本 不合格点数 样本 不合格点数 1 5 14 7 2 8 15 4 3 4 16 9 4 9 17 11 5 12 18 10 6 7 19 6 7 8 20 9 8 12 21 22 9 21 22 13 10 7 23 8 11 12 24 10 12 6 25 713 9〔解〕此25组样本共含236个缺点，因此c 之估计值为44.925236==c试用管制界限为 UCL=66.1844.9344.93=+=+c c 中心线=44.9=cLCL=22.044.9344.93=-=-c c图5-10为依此25组样本所绘制之管制图，其中样本9及21均超出管制界限，因此必须诊断样本9及21之异常原因。
若异常原因已排除后，则可将样本9及21之数据删除，并重新计算管制界限，新的不合格点数之平均值为c =193/23=8.39。
修正后之管制界限为 UCL=08.1739.8339.83=+=+c c 中心线=c =8.39LCL=0.039.8339.83=-=-c c18.669.440.22单位不合格点数管制图(u 管制图)〔例〕某个电脑制造商想对最后装配线建立单位不合格点数管制图，并以10部电脑为一样本。
表5-9为20组样本大小为10之样本资料。
表5-9 每单位平均不合格点数样本 样本 不合格点 每单位平均 编号 大小 总数，c 不合格点数，u=c/n 1 10 9 0.9 2 10 8 0.8 3 10 7 0.7 4 10 12 1.2 5 10 14 1.4 6 10 7 0.7 7 10 6 0.6 8 10 9 0.9 9 10 12 1.2 10 10 16 1.6 11 10 9 0.9 12 10 8 0.8 13 10 7 0.7 14 10 17 1.7 15 10 12 1.2 16 10 6 0.6 17 10 9 0.9 18 10 6 0.6 19 10 8 0.8 20 10 10 1 192 19.2〔解〕从这些数据可估计单位不合格点数之平均值为96.0202.1920201===∑=i uiu 因此管制图之参数为 UCL=89.11096.0396.03=+=+n u u 中心线=u =0.9603.01096.0396.03=-=-=n u u LCL图5-12为单位平均不合格点数管制图，由图可看出此制程为管制内，因此试用管制界限可用来管制制程。
图5-12 单位不合格点数管制图D 管制图〔例〕某产品之不合格点分成三种，各类不合格点之权重为50，10和1，试以下列资料建立单位缺失管制图之管制界限。
(检验单位n =10)样本严重不合格 主要不合格 次要不合格 总缺失 单位缺失点数c1 点数c2 点数c3 D u1 2 2 2 122 12.2 2 0 2 18 38 3.8 3 0 6 10 70 7 4 1 2 6 76 7.6 5 0 8 2 82 8.2 6 0 0 9 9 0.9 7 0 7 5 75 7.5 8 1 2 1 71 7.1 9 1 3 2 82 8.2 10 0 3 22 52 5.2 11 0 5 3 53 5.3 12 2 1 2 112 11.2 13 0 0 9 9 0.9 14 0 7 8 78 7.8 15 1 13 30 210 21 16 0 6 7 67 6.7 17 0 1 1 11 1.1 18 1 3 5 85 8.5 19 0 5 6 56 5.6 20 0 3 9 39 3.9总和 9 79 157〔解〕首先计算各不合格点数项目之单位不合格点数045.0)10(2091==u 395.0200792==u 75.02001573==u 缺失之平均值为u =50（0.045）+10(0.395)+1(0.785)=6.985 （注：在此例中，样本数相等，u 亦可由20∑ui 求得）标准差为909.310)785.0(1)395.0()10()045.0()50(222=++=u σ管制界限为UCL=6.985+3(3.909)=18.712LCL=6.985-3(3.909)=-4.742(设为0) 第15组样本之单位缺失为20.0，超出上管制界限。